Matlab+GPU加速學習筆記（二）

首先介紹幾個今天剛學的幾個函數：

1、linspace。產生指定范圍內的指定數量點數，相鄰數據跨度相同，並返回一個行向量。其在CPU和GPU中的調用形式

X=linspace(5,100,20)                    % 產生從5到100范圍內的20個數據，相鄰數據跨度相同
X=gpuArray.linspace(5,100,20)           % 產生從5到100范圍內的20個數據，相鄰數據跨度相同

輸出：

X =    5    10    15    20    25    30    35    40    45    50    55    60    65    70    75    80    85    90    95   100
gX =   5    10    15    20    25    30    35    40    45    50    55    60    65    70    75    80    85    90    95   100

2、arrayfun。調用形式例：idx = arrayfun(@calcidx, Z0);　% 對Z0中的每個元素調用calcidx函數，結果返回到idx中。（PS：避免無謂的循環）

 s=[1 2;3 4];
s=gpuArray(s);        % 在CPU中可以不要這句
f=@(x) x^2;
arrayfun(f,s)

ans =

     1     4
     9    16

注意：在編寫某個子函數時，特別是在GPU的運算中，可能會出現如下問題，雖然我暫時沒遇見過，也不知道為啥。

    function output = calcidx(input)
        % calc index value for each element in Z0
        z = complex(0,0);
        k = 0;　　　　　　　　　　　　　　　　　　　　　　% 這個 初始化k 不能省，否則出錯
        for k = 0 : max_iter-1
            z = z * z + input;
            if abs(z) > 2, break; end
        end
        output = k;
    end 

3、關於GPU中的函數調用

與傳統matlab函數調用方法一樣，可以先將變量用gpuArray()函數搬到gpu中后再進行調用，或者在子函數中將變量搬遷到gpu中計算。當然本人推薦第一種。

具體調用對比如下：

[tmpRMSE_me] = RMSE_me(dataTrainPCA',labelTrain',dataTestPCA',labelTest',param);                                              % CPU中
[tmpRMSE_me1] = RMSE_me(gpuArray(dataTrainPCA'),gpuArray(labelTrain'),gpuArray(dataTestPCA'),gpuArray(labelTest'),param);     % GPU中

　Note：GPU arrays support only fundamental numeric or logical data types.（GPU）　

容易出現的錯誤如下：

An unexpected error occurred during CUDA execution. The CUDA error was: CUDA

解決方法：重啟Matlab 或 重啟電腦，因為GPU崩潰了。